PENGEMBANGAN ROBOT MOBIL OTONOM MENGGUNAKAN SISTEM KENDALl FUZZY DAN JARINGAN SYARAF TIRUAN M. SyamsaArdisasmita' ABSTRAK PENGEMBANGAN ROBOT MOBIL OTONOM MENGGUNAKAN SISTEM KENDALl FUZZY DAN JARINGAN SYARAF TIRUAN. Telah direalisasikansistem navigasi robot mobil otonomberbasispengendalimikro PIC 16C57menggunakansistemkendali fuzzy dan jaringan syaraf tiruan. Realisasiperilaku otonom pada robot mobil membutuhkanperumusanaturan-aturanyang bertindak secarakolektif untuk menghasilkantingkat-tingkatkecerdasan.Kami menggunakanmetoda perbedaanpelatihanbersaingdan teknik pengelompokanruang-hasiluntukmembangkitkanaturan-aturan juzzy-associative-memory (F AM) yang sesuaidengandatapelatihanyang diambil daTisimulasifuzzy dan simulasijaringan. Sebagaivariabelmasukanadalahsudutarab robotdan koordinatposisinyadan sebagai variabelkeluaranadalahsinyalsudut-pengarah. Tujuan daTipengendalianini adalahmenggerakkanrobot mobil mencapaiterminal pengangkutpada sudutdan posisi robot tepatpada terminal pengangkutyang diinginkan. Sistemkendali jaringan terdiri daTidua jaringan syaraf:jaringan pengendalidan jaringan emulator.Jaringanpengendalimenghasilkankeluaranberupasinyalsudut-pengarah sedangkanjaringan emulatorakan menghitung posisi berikutnya daTirobot. Pada setiaptingkat, sistemkendali fuzzy dan jaringan syarafakan menghasilkansudut pengarahyang akan menuntunrobot mobil daTiposisi awal menujuposisi terminaldaTiberbagaisudutarabpengangkutan.Dipelajarijuga kepekaandan kehandalan pengendalidenganmengevaluasitingkatkegagalan. Kata Kunci: Robotmobil, logika fuzzy,jaringan syaraf
ABSTRACT THE DEVELOPMENT OF AUTONOMOUS MOBILE ROBOT USING FUZZY CONTROL SYSTEM AND ARTIFICIAL NEURAL NETWORK. Autonomous mobile robot navigationbasedon PIC 16C57rnicrocontrollerhas beenrealizedusing fuzzy logic control and neural network systems.Realization of autonomousbehavior in mobile robot requires formulation of rules which are collectively responsiblefor necessarylevels of intelligence.We use differential competitive learning and the product-spaceclustering techniqueto adaptivelygeneratefuzzy-associative-memory (FAM) rules from training data takenfrom the fuzzy and neuralsimulations.The input variableswerethe robot angle and the position coordinateand the outputvariablewas the steering-anglesignal. The goal was to makemobile robot arrive at the loading dock at a right angleand to align the position of the robot with the desiredloadingdock. The neuralcontrol systemconsistedof two neuralnetworks:the controller networkandthe emulatornetwork. The controller networkproducedan appropriatesteering-anglesignal outputand the emulatornetworkcomputedthe next position of the robot. At every stage,the fuzzy and neuralcontrollersshouldproducethe steeringangle that move up the mobile robot to the loading dock from initial positionand from anyangle in the loadingzone.We studiedthe sensitivityandthe robustness of the controllerby examiningfailure rates. Key words: Mobile robot, fuzzy logic, neuralnetwork.
Pusat Pengembangan Teknologi Informasi clan Komputasi -BAT AN
157
RisalahLokakaryaKomputasidalamSainsdan TeknologiNuklir XIV, Juli 2003 (157-170)
PENDAHULUAN Robot berasal dari bahasaCekoslowakia"robota" yang berarti pelayan atau tenagakasar, adalah mesin yang dapat bekerja sendiri tanpa kendali atau campur tanganmanusiadan biasanyapergerakannyameniru pergerakansendi-sendimanusia. Robot dibuat untuk melakukan pekerjaan yang bersifat berulang (repetitif), membosankan,kotor, berbahayadan memerlukanketekunanyang tinggi. Dalam perkembangannya, robot dewasaini bukan hanya mesin yang melakukangerakangerakanberulang tetapi telah melibatkankecerdasandan keluwesan.Perkembangan teknik kendalidan otomatisasiyang didukung oleh teknologi informatikadan mikroelektronika telah melahirkan robot sebagai suatu perangkat industri yang dapat meningkatkan produktivitas, standar mutu, efisiensi dan dapat menyelesaikan pekerjaanyang tidak dapatdilakukan sebelumnyaoleh manusia,sepertirobot untuk dekontaminasiradiasiataurobot untuk menjelajahpermukaanplanetMars (Rover).
Gambar1. Rosie,robot mobil untuk decommissioning PLTN. Robot mobil otonom adalah suatu jenis robot cerdas yang mempunyai kemampuan untuk membuat keputusan sendiri, memiliki sistem kendali dan catu daya yang terintegrasi dan mempunyai kemampuan navigasi yaitu sejumlah operasi yang memungkinkan robot mencapai tujuan yang diharapkan. Ada dua jenis robot mobil yaitu robot yang berjalan dengan menggunakan kaki-kaki mekanik dan robot yang berjalan dengan roda. Robot mobil otonom dewasa ini dikembangkan untuk melakukan pekerjaan yang berbahaya bagi manusia, misalnya untuk bekerja di medan radiasi tinggi seperti Rosie, robot mobil untuk "decommissioning" pembangkit listrik tenaga nuklir yang dibuat untuk Departemen Energi Amerika Serikat. Rosie menggunakan platform beroda dilengkapi tangan mekanik robotik heavy duty, dengan ukuran 2m x 4,3m x 2,4m dan berat 6350 kg, dan dapat dioperasikan daTijarak jauh daTipusat kendali. Aplikasi daTiRosie adalah untuk proses pemidahan peralatan (pipa,
158
Pengembangan Robot Mobil Otonom Menggunakan Sistern Kendali Fuzzy clan Jaringan
(M. SyamsaArdisasmita)
bejana, dll.), pembongkaran reaktor nuklir, dekontaminasi dan pembongkaran hot cell/glove box, penanganandan pengangkutan sampah, dan dekontaminasi dinding dan lantai ruang reaktor. Navigasi robot otonom berarti kemampuan suatu robot untuk bergerak menuju tujuan tanpa campur tangan manusia dalam suatu lingkungan yang tidak khusus direkayasa untuk lintasan langkahnya. Dalam mencapai tingkat otonomi dibutuhkan sistem kendali jenis pintar. Beberapa arsitektur telah dikembangkan untuk navigasi robot otonom yaitu : (1) Arsitektur terhirarki yaitu membagi fungsi robot ke dalam lapisan tingkat-tinggi (model dan perencanaan)dan lapisan tingkat rendah (pengindera dan pengeksekusi); (2) Arsitektur berbasis perilaku yaitu merealisasikan perilaku kompleks dengan mengkombinasikan unit-unit yang dihasilkan daTibeberapa perilaku sederhana; dan (3) Arsitektur campuran (hybrid) yaitu dengan mengkombinasikan kedua perilaku di atas. Kami mengembangkan arsitektur navigasi robot mobil berbasis perilaku yaitu menggunakan sistem kendali fuzzy dan sistem kendali jaringan syaraf. Kedua sistem kendali tersebut menggunakan pendekatan stokastik yang tidak membutuhkan komputasi kompleks seperti pada kendali Pill (Proportional Integral & Derivative) yang umum digunakan pada saat ini. Untuk objek penelitian digunakan robot edukatif yaitu robot mobil yang dilengkapi dengan tangan kinematik yang memiliki empat poros gerakan dengan tiga derajat kebebasan. Sebagai otak robot digunakan Basic Stamp II denganpengendali mikro PIC 16C57.
PRINSIP KERJA Pada robot sering digunakan istilah-istilah untuk menunjukkan geometri dan spesifikasi robot seperti "poros gerakan" dan "derajat kebebasan". Setiap benda bergerak berarti menempuh jarak dari satu titik ke titik lain yang berada pada satu bidang. Pergerakan ini mempunyai garis sumbu atau titik yang tidak berubah yang disebut poros. Jadi poros gerakan merupakan titik atau pusat terjadinya gerakan. Derajat kebebasan adalah jumlah arab bebas (independent) dari suatu robot (end effector) yang menentukan arab dari pergerakannya. Parameter-parameter yang bertindak sebagai variabel masukan dari robot mobil adalah koordinat posisi (x, y) yaitu titik pusat robot dan sudut arab ~ yaitu sudut antara sumbu x denganporos robot. Sebagai variabel keluarannya adalah sinyal sudut-pengarahe yaitu sudut antara poros dengan arab roda. Tujuan daTi sistem pengendali navigasi ini adalah bagaimana menggerakkan robot agar mencapai terminal pengangkut (loading dock) pada posisi dan sudut yang tepat (~r = 90). Hal ini dilakukan dengan meluruskan posisi dari robot (x, y) denganposisi terminal pengangkut yang diinginkan (xr, Yr).
159
RisalahLokakaryaKornputasidalamgains dan TeknologiNuklir XIV, Juli 2003
Wht,-el
(x, Back Whee] "
if ,. ,-,"
L.x Gambar2. Diagramsimulasidari posisidan sudutarabrobot Setiap langkah daTi sistem kendali memberikansinyal berupa besar sudut pengarahe yang menuntunrobot menujuterminalpengangkutdaTisuatuposisi awal. Keberhasilan daTi pengendalian adalah: pertama dapat mencapai tujuan yang diinginkan dan kedua memberikanjalur lintasan yang optimal, yaitu tidak adanya langkah-langkah yangtidak perlu dantidak berputar-putarsecaratidakberaturan.
160
Pengernbangan RobotMobil OtonomMenggunakanSistemKendali FuzzydanJaringan
(M. SyamsaArdisasmita)
Sistem kendali akan menghitung kesalahan sikap tubuh (posture) untuk setiap langkah. Kesalahan sikap tubuh adalah selisih antara sikap yang diinginkan (x d, y d, 8d) dengan sikap aktual (x r, Y r, 8J. Kemudian dapat kita hitung kesalahan pada orientasi (8e = 8d -8J clan kesalahan jarak (de = ~d~-~).
Tujuan pengendalian
adalah melakukan koreksi arab robot clan mengatur kecepatanroda kiri clanroda kanan sedemikian sehingga kesalahan sikap tubuh dapat dihilangkan. Jika kesalahannya besar maka sinyal sudut pengarahjuga hams besar clanjika kesalahannya kecil maka sinyal sudut pengarahjuga kecil.
SistemKendall Fuzzy Sistem kendali fuzzy adalah sistemberbasispengetahuanyang dirumuskan dalam bentuk aturan-aturan(rules base)sebagaiakumulasidaTi suatupengalaman. Logika fuzzy dikembangkanpertama kali oleh Dr. Lotti A. Zadeh (1965) untuk merumuskansecaramatematikkonsepketidakpastianataukesamaransehinggadapat diprosesoleh komputer.Dengan menerapkanlogika fuzzy pada programkomputer, sistemkendali dapat memutuskanseperti caramanusiaberpikir. Kemampuaninilah yang disebutsebagaikecerdasan buatanpadasistemkepakaranfuzzy.
. .
Pa~~~k2ll!::.O!;:.t~!-I I I I I
I I
'"'
I
Defuzzification
.Inference
I
Mecllauism
Fuzzificatioll
~r
I
'I
Control actions
Gambar4. Bagansistemkendali fuzzy untuknavigasirobotmobil. PadaGambar4 diperlihatkanbagandasardaTisuatusistemkendali fuzzy yang terdiri daTitiga lapis dasaryaitu: fuzzifikasi, mekanismemenarik kesimpulan dan defuzzifikasi. Fuzzifikasi adalahmengubahatribut-atributbasil pengukuranfisik ke dalamkonsepfuzzy. Konsepfuzzy tidak bekerjasecarabiner (himpunancrips) tetapi berupa himpunan fuzzy di mana elemen-elemennyadinyatakan dengan pasangan
Systemvariables ~
161
~
::~~ >< ><
RisalahLokakaryaKomputasidalamgains dan TeknologiNuklir XIV, Juli 2003
elemenanggotahimpunan x dan fungsi keanggotaannya m(x). Derajat atau fungsi keanggotaanadalahbilangan riel dalam interval [0,1] yang menyatakanmutu dari keanggotaan x terhadapsuatuhimpunan.
m(x)
~-~
/
LC
C1-:
/"
/:"
RC A
RI /
i
0
30
20
10
J
x
50
40
m«1» R8
RU
R\'
,,'-',
,;\\
l('y~ 0
-90
VE
LV
'"l
A
LV
LB
j\
~
Y ~
90
180
27{)
m(e) NM,/"'"
~n
NS
Z1':
PS
I'M
PH,/'
/""-"
.\()
20
-10
(I
10
20
e
Gambar 5. Fungsi keanggotaan fuzzy untuk x, cj>dan e. Langkah pertama dalam merancang pengendali fuzzy adalah dengan menentukan daerah nilai-nilai masukan clan nilai-nilai keluaran daTi pengendali. Daerah variabel pengendali navigasi robot mobil adalah sebagaiberikut: 0 ~ x ~ 100
-900~
~ 2700
-300 ~ e ~ 300
Nilai-nilai positif daTi e menggambarkan rotasi roda pengarah sesuai dengan arab jarum jam clan nilai negatif bila berlawanan arab dengan jarum jam. Resolusi daTi 4> clan e masing-masing satu derajat sedangakanresolusi daTi x adalah 0, I. Posisi x dibagi menjadi lima sub-himpunan fuzzy yang simetris yaitu: LE (Left), LC (Left Center), CE (Center), RC (Right Center) clan Rl (Right). Sudut 4>dibagi menjadi tujuh sub-himpunan fuzzy: RB (Right Below), RV (Right Upper), RV (Right Vertical), VE (Vertical), LV (Left Vertical), LV (Left Upper), dan LB (Left Below). Sedangkan sinyal sudut-pengarah e dibagi menjadi tujuh sub-himpunan fuzzy: NB (Negative Big), NM (Negative Medium), NS (Negative Small), ZE (Zero), PS (Positive Small),
162
NS
Pengembangan RobotMobil OtonomMenggunakanSistemKendaliFuzzydanJaringan
(M. SyarnsaArdisasmita)
PM (Positive Medium), dan PB (Positive Big). Fungsi keanggotaan fuzzy pada aplikasi ini diambil linier berbentuk segitiga untuk menyederhanakan perhitungan. Gambar 5 adalah grafik fungsi keanggotaan untuk setiap himpunan fuzzy di atas. Sebagai contoh, untuk e = 20°, diperoleh kualitas keanggotaannya adalah 0,5 (50%) untuk sub-himpunan PM dan 0,3 (30%) untuk sub-himpunanPH. Sub-himpunan fuzzy CE, VE dan ZE dibuat lebih sempit daripada sub-himpunan yang lain agar memungkinkan pengendalian langkah dapat lebih halus di dekat terminal pengangkut. X LE
LC
CE
RB
PS
PM
PM
Rl
NS
PS
PM
RV
NM
NS
VE
NM
LB
PO
!{I 5
PB
PM cc
ci'c NM ,,lq,'~E', ~~.d!=
LV
RC
PH
PS C'"C",
cI>
"
-
PM
NO
NM
NB
NB
NM
NS
NB
NB
NM
NM
PS
Gambar6. Aturan-atur~nFuzzy(FAM). Mekanisme menarik kesimpulan (inference) adalah untuk menentukan derajat kebenaranberdasarkanpada aturan-aturan yang diterapkan kepada fungsi keanggotaan daTi nilai-nilai fuzzy. Aturan-aturan yang diterapkan dirumuskan dalam bentuk tabel fuzzy associative memory (FAM) pada Gambar 6. Dalam hal ini ada 35 (5 x 7) aturanaturan FAM pada tabel yang dinyatakan dengan perintah IF-THEN. Misalnya Aturan FAM nomor 1 pada Gambar 5, berhubungan dengan auran fuzzy berikut:
IF x=LE AND <j>=RB,THEN e =PS Artinya jika x ada di kiri (LE) clan di kanan bawah (RB) maka sinyal sudut pengarahnyae haruspositif kecil (PS). Aturan FAM nomor 18 menunjukkanbahwa jika robot berada dekat pada posisi kesetimbangan,maka sistem kendali tidak menghasilkansinyal sudutpengarahpositif ataupunnegatif(Zero).
163
1L
Risalah Lokakarya Komputasi dalam gains clan Teknologi Nuklir XIV, Juli 2003
FAM Rule 13 (RV,CE;PS)
mtx)
m(cII)
~ I':~RV AND x:CE., THEN 6=PS.
f
c..:,4\
RV/,\j .
I! "
~~~
\.\
m(9) PS
1A ""CO;,
L..$
m«!I>
/
(~)13
.II
FAM Rule 18 (VE,CE;ZE)
VE
IF IjJ=VE AND x=CE, THEN 6:ZE.
°18
tI>
m(9) input
input x t
I)
centroid output
Gambar7. Pengambilankesimpulankorelasiminimumdandefusifikasicentroid. Sebagai basil kesimpulan daTi aturan-aturan fuzzy adalah sub-sub himpunan fuzzy juga. Oleh sebab itu perlu dilakukan penerjemahan untuk mengubah nilai-nilai fuzzy menjadi bentuk crisp yang disebut dengan defuzzifikasi, misalnya dengan perhitungan titik berat. Untuk menghubungkan aksi keluaran dengan kondisi-kondisi masukan maka digunakan metoda menarik kesimpulan dengankorelasi minimum dan defuzzifikasi centroid. Keluaran centroid fuzzy dinyatakan dengan: N
- 2:8jmoC8j) 8= j-l
N
Lmo(8j) j;J
di mana 0 mendetinisikan sub-himpunan fuzzy daTi sudut-pengarahuniversal e = {e\, e2, ..., eN}, Gambar 7 memperlihatkan pengambilan kesimpulan korelasi minimum dan defuzzitikasi centroid yang diterapkan pada aturan FAM nomor 13 dan 18. Subhimpunan dan x dikombinasikan menggunakan logika AND (mencari nilai kepatutan minimum) untuk mengaktifkan konsekuensi. Aturan FAM nomor 13 dan 18 dikombinasikan dengan logika OR (mencari nilai kepatutan maksimum) untuk menentukan daerahcentroid sebagaikeluaran.
164
Topologi sistem kendali jaringan syaraf untuk navigasi robot mobil otonom adalah jenis jaringan syaraf multilayer feedforward yang dilatih dengan algoritma gradian turun backpropagation. Sistem kendali syaraf terdiri dari dua jaringan: jaringan pengendali clan jaringan emulator. Jaringan pengendali menghasilkan keluaran berupa sinyal sudut pengarah sebagaibasil dari dua masukan yaitu koordinat posisi tempat pemberhentian (Xk, yJ clan sudut arab robot
165
RisalahLokakaryaKomputasidalamSainsdan TeknologiNuklir XN, Juli 2003
pengendali.Jaringanpengendalimemiliki 24 jaringan tersembunyi(hidden networks) denganfungsi logistik berbentuksigmoid. Pelatihanhanya dilakukanpada jaringan pengendaliyaitu denganmetodabackpropagation.Kami melakukanestimasi sinyal sudut pengarahideal yang dihasilkan oleh suatu pengendalifuzzy. Lintasan robot berbentukbusur dari suatu pengendalifuzzy digunakansebagailintasan ideal clan kemudiandigunakansebagaidatapelatihandarijaringanpengendali., Kami tidak melakukanpelatihan pada jaringan emulator karena sulit untuk memperoleh koneksi pemboboton sinapsis universal. Algoritma pelatihan backpropagationtemyata tidak dapat konvergenuntuk beberapacontoh himpunan data pelatihan. Sebab itu maka digunakan persamaankinetika sederhanauntuk menggatikanperanjaringan emulator. Jika robot bergerakdari posisi (x, y) menuju posisi(x', y') dalamsuatuiterasi, makadiperoleh: Xk+l = Xk + r COSci>k Yk+l = Yk + r sin
lintasan
tetap daTi robot untuk
setiap langkah
gerakan.
BASIL DAN DISKUSI Untuk percobaan ini digunakan robot edukatif yaitu robot mobil yang dilengkapi dengan tangan kinematik dengan empat poros gerakan dan tiga derajat kebebasan. Mekanik penggerak dari robot adalah motor DC dan motor servo yang kecepatan dan posisi rotasinya dapat diatur dengan menggunakan sinyal modulasi lebar pulsa (pulse width modulation). Umumnya pada lebar pulsa 0,5 milidetik akan menggerakkan poros motor servo pada posisi paling kiri (-90°) dan pada lebar pulsa 2,5 milidetik akan menggerakkan poros motor servo pada posisi paling kanan (+90°). Untuk kecepatan pergerakan robot digunakan motor DC dan untuk pengaturan sudut pengarahroda digunakan motor servo. Sebagai perangkat pengendali digunakan Basic Stamp II dengan pengendali mikro PIC l6C57 yang dapat diprogram menggunakanbahasa pemrograman Pbasic2. Basic Stamp II merupakan rangkaian terpadu yang dibuat oleh perusahaan Parallax Inc. Perangkat ini dapat diprogram dengan komputer melalui saluran I/O serial RS 232. Basic Stamp II memiliki dua jenis memori: EPROM untuk menyimpan program operasi dan RAM untuk menyimpan program aplikasi.
166
,
Pengembangan Robot Mobil Otonom Menggunakan Sistem Kendali Fuzzy daD Jaringan
(M. SyarnsaArdisasmita)
Gambar9. Robotmobil dengantangankinematikdanBasic StampII. SistemKendall Fuzzy
J
~ ~\}.
§
1""
"1!:t7
~1
,~7,,~
' .:;;:;K
.'~~jY' r~' ,.'"
~~; ...;,...,,'
(20,20,30)
(30, 10,230)
(30,40,
-10)
SistemKendali Jaringan Syaraf "---
-~
--"
-:,:""'~
J l :~f"
~~
I,)
~.~~ J (20,20,30)
(30, 10,230)
(30,40, -10)
Gambar 10. Lintasan dan robot mobil untuk tiga buah posisi awal (x, y, <1».
Gambar10 memperlihatkanbeberapalintasandaTirobot mobil untuk tiga buah posisi awal (x, y, <1»yaitu: (20, 20, 30), (30, 10, 230) clan(30, 40, -10) dengan menggunakan sistemkendali fuzzy clansistemkendalijaringansyaraf. Sistemkendali fuzzy tidak menggunakanseluruh aturan-aturanFAM untuk setiap iterasinya. Umumnya sistem hanya menggunakansatu atau dua aturan FAM untuk setiap iterasinya.Sistemsebagianbesarmenggunakan4 aturanFAM dalam satukejadian.
:):!1x.\~f;I
167
6.
RisalahLokakaryaKomputasidalamgains dan TeknologiNuklir XIV, Juli 2003
Jika kita membandingkanlintasan robot mobil dengan sistem fuzzy clan sistem jaringan, sistem pengendali fuzzy selalu memberikanlintasan robot yang halus sedangkanpada sistempengendalijaringan syaraf memberikanlintasan yang tidak optimalclankadang-kadang diikuti denganjejaklangkahyangtidak beraturan.
KESIMPULAN Pengendalifuzzy selalu menggerakkanrobot mobil denganhalus, sedangkan pengendalineural tidak. Gerak dengankendali neural kadang-kadangmemberikan jejak langkahyang tidak teratur. Melatih sistemkendali neural membutuhkancukup banyakwaktu, karena algoritrnabackpropagationmemerlukanribuan langkahuntuk pelatihanpada jaringan pengendali.Kadang-kadang,algoritma pembelajarantidak mencapaikonvergensi. Pengendalifuzzy tidak membutuhkanemulator robot clan tidak memerlukan model matematika yang menghubungkankeluaran sebagai fungsi masukan. Pengendalifuzzy lebih sedikit membutuhkanoperasikomputasidibandingkandengan pengendali neural. Sebagian besar operasi komputasi pada pengendali neural melibatkanoperasiperkalian,penambahanatau fungsi logaritmik daTidua bilangan nyata. Sedangkanpada pengendali fuzzy, sebagianbesar operasikomputasi adalah operasipembandingan clanpenambahan dua bilangannyata.
DAFTARPUSTAKA FU, K.S., GONZALEZ, R.C., LEE, C.S.G.,Robotics: Control, Sensing,Vision, and Intelligence,McGraw-Hill Book Co., Singapore,1987 ZADEH, L.A., FuzzyLogic, Computer,21 (1988) 3,
NGUYEN, D., WillROW, B., "The Truck Backer-Upper:An Example of SelfLearningin Neural Networks", ProceedingsofInternationalJoint Conferenceon Neural NetworkS' (UCNN-89),Vol. II, (1989)357-363
4
KOSKO, B., Neural NetworkS'and Fuzzy Systems: A Dynamical Systems Approach to Machine Intelligence,Prentice Hall Inc., EngelwoodCliffs. New Jersey,1992
5
POMERLEAU, D.A., Neural Network Perceptionfor Mobile Robot Guidance, Kluwer AcademicPublishers,Boston,1993 PIN, F.G., WATANABE, Y., "Navigation of Mobile Robots Using a Fuzzy Behaviorist Approach and Custom-DesignedFuzzy Inferencing Boards", Robotica,12 (6) (1994)491-504
168
2.
Pengernbangan RobotMobil OtonomMenggunakanSisternKendaliFuzzydanJaringan
(M. SyarnsaArdisasmita)
7
TUNSTEL, E., "Co-ordinationof Distributed FuzzyBehaviorsin Mobile Robot Control", IEEEInt. Con! on Systems, Man and Cybernetics,(1995)4009-4014
8
SAFFIOTTI,A., "Fuzzy Logic in AutonomousRobotics:behaviorcoordination", Sixth IEEE IntI. Conference on Fuzzy Systems(FuzzIEEE'97), Barcelona, (1997)573-578
DISKUSI SUDARNO Apakah sistemkontrol fuzzy clanJSTbekerjasecaraindependentatau diintegrasikan menjadineurofuzzy? M. SYAMSA ARDISASMITA Kami di sini bermaksud membandingkan keandalan daTi sistem kendali fuzzy dan sistem kendali jaringan syaraf pada navigasi robot mobil yang otonom, artinya masing-masing sistem bekerja secara independent. Tetapi karena sistem jaringan syaraf membutuhkan data-data untuk pelatihan maka kami gunakan data-data lintasan ideal yang dihasilkan oleh suatu pengendali fuzzy untuk pelatihan.
EDYSAPTONO
2
Dalam perjalanan dari Start menuju sasaran, di tengah jalan ada perintang/wall, bagaimana kontrol robot tersebut agar sampai sasaran? Bagaimana internal input dari robot tersebut?
M. SYAMSA ARDISASMITA Kita dapat menggunakan peta lingkungan yang diintegrasikan pada program pengendalian sehingga robot dapat melakukan koreksi arab clan lintasan penjejakan. Bisa juga robot dilengkapi dengan sistem penginderaan jarak inframerah untuk menentukan posisi clan arab lintasan penjejakan. Sebagai masukan bagi robot mobil menggunakan sistem kendali fuzzy clan jaringan syaraf adalah titik awal, titik akhir (terminal) clan sudut arab badan robot.
169
Risalahwkakarya KomputasidalamSainsclanTeknologi Nuklir XN, Juli 2003
ADE JAMAL Berapabesarukuranrobot yangbisa dibuat denganmetodaFuzzy, Neural ataupm? Sebagaimasukan,jika ukuran ini bisa menjadikecil karenapilihan metodenyamaka bisa digunakanuntuk pengecekan pipa bocor. M. SYAMSA ARDISASMU A Metoda Logika Fuzzy, Neural Network dan pm dapat digunakan untuk berbagai ukuran robot karena metoda-metoda tersebut merupakan program komputer yang ditanamkan pada sistem pengolah robot untuk mengatur gerakan motor sesuai dengan algoritma yang dibuat sebelumnya.
B AKRI ARB IE Tampaknya Fuzzy Control cukup menarik. Apakah acta usaha untuk pengendalian PLTN. Kalau actastatusnya sudah sampai di mana? M. SY AMSA ARDISASMIT A Sudah banyak penelitian yang dilakukan untuk rnenerapkan sistern pakar urnumnya atau logika fuzzy khususnya dalarn pengendalian PLTN. Ternan-ternan di Reaktor Kartini Yogtakarta sudah rnencoba rnenerapkan pengaturan batang kendali reaktor dengan logika fuzzy.
UTAJA Bagaimana hila perubahan kondisi terlalu besar? Bagaimana hila masuk dalam kondisi vibrasi (arah selalu bolak-balik)?
2
M. SYAMSAARDISASMITA
2
Kondisi pada sistem kendali fuzzy dan jaringan syaraf adalah posisi dan sudut arah. Kondisi perubahan posisi maupun sudut yang besar tidak ada masalah selamamasih dalam daerah variabel perhitungan. Dalam sistem kendali, vibrasi merupakan suatu gangguan akibat daTi ketidak stabilan disebabkan damping ratio pada response transien suatupenggerak. Dalam kasus kita, hal ini tidak akan terjadi karena posisi akhir dan arahnya adalah tetap.
70
Home
